CURSO DE ENGENHARIA ELÉTRICA
BRUNA MACHADO MULINARI
FILTROS DIGITAIS EM ÁUDIO
PATO BRANCO 2017
FILTROS DIGITAIS EM ÁUDIO
Trabalho de Conclusão de Curso de graduação, apresentado à disciplina de Trabalho de Conclusão de Curso 2, do Curso de Engenharia Elétrica do Departamento Acadêmico de Elétrica – DAELE – da Universidade Tecnológica Federal do Paraná – UTFPR, Câmpus Pato Branco, como requisito parcial para obtenção do título de Engenheira Eletricista.
Orientador: Prof. Dr. Fábio Luiz Bertotti
PATO BRANCO 2017
TERMO DE APROVAÇÃO
O trabalho de Conclusão de Curso intitulado FILTROS DIGITAIS EM ÁUDIO, da aluna Bruna Machado Mulinari foi considerado APROVADO de acordo com a ata da banca examinadora N° 164 de 2017.
Fizeram parte da banca os professores:
Prof. Dr. Fábio Luiz Bertotti
Prof. Dr. Giovanni Alfredo Guarneri
DEDICATÓRIA
Dedico este trabalho a minha mãe, Adiagre, a qual tornou meu sonho de formação o seu. Sem os seus esforços e incentivos essa realização não seria possível.
AGRADECIMENTOS
Agradeço primeiramente a Deus por me proteger e dar forças durante esta jornada.
A minha família por caminharem sempre ao meu lado. Aos presentes que sempre me encorajaram e aos já ausentes que de alguma forma me iluminaram durante essa etapa.
Aos meus amigos agradeço por toda colaboração e apoio principalmente durante os momentos de insegurança. Em especial a meu colega Julio Cesar Leme por toda paciência e colaboração na parte de implementação do trabalho.
A todos os professores e servidores que de alguma forma contribuíram para minha formação. Em especial ao meu professor orientador, Fábio Luiz Bertotti, por toda atenção e dedicação prestadas durante o desenvolvimento desse trabalho.
EPÍGRAFE
“Não há demanda por mulheres na engenharia, assim como existe para mulheres na medicina; mas há sempre uma demanda para qualquer um que pode fazer um bom trabalho”
RESUMO
MULINARI, Bruna Machado. Filtros Digitais em Áudio. 2017. 129 f. Monografia (Trabalho de Conclusão de Curso) – Curso de Engenharia Elétrica, Universidade Tecnológica Federal do Paraná. Pato Branco, 2017.
O seguinte trabalho apresenta os procedimentos realizados para implementação de filtros digitais em um dispositivo microcontrolado com objetivo de realizar a filtragem de um sinal de áudio. Para isso são abordados os principais conceitos a respeito das ondas sonoras e os principais problemas encontrados em sistemas de comunicação devido a sinais indesejáveis. Além disso, o trabalho aborda o conceito da aplicação de filtragem na área musical por meio da equalização de som. Também, são apresentados os conceitos de processamento digital de sinais e o processo de filtragem digital de sinais que sustentam o trabalho. Com base nos conceitos apresentados foram projetados filtros digitais do tipo FIR e IIR para simulações no MatLab e implementação no microcontrolador STM32F407VG. As simulações apresentaram as respostas da filtragem de dois sinais de entrada diferentes, um sinal de áudio e um sinal multisenoidal, para cada um dos filtros projetados, permitindo verificar a atuação e a seletividade de cada tipologia. Com os resultados das simulações foi possível realizar comparações quanto a ordem utilizada e a seletividade obtida, para os filtros FIR e IIR. Embora obteve-se somente os resultados práticos da implementação dos filtros FIR, foi possível evidenciar que as respostas destes filtros estão condizentes com as simulações.
Palavras-chave: Ondas Sonoras. Equalização. Processamento Digital de Sinais. Filtros Digitais.
ABSTRACT
MULINARI, Bruna Machado. Digital Filters in Audio. 2017. 129 f. Monografia (Trabalho de Conclusão de Curso) – Curso de Engenharia Elétrica, Universidade Tecnológica Federal do Paraná. Pato Branco, 2017.
The following work presents the performed procedures to the project and implementation of digital filters in one microcontroller device with the objective of filtering an audio signal. The main concepts about sound waves and the main problems encountered in communication systems due to undesirable signals are discussed. In addition, the paper approaches the concept of the application of filtering in the musical area through the equalization of sound. Also presenting the concepts of digital signal processing and the process of digital filtering of signals that sustain the work. Based on the concepts, the FIR and IIR digital filters were designed for simulations in Matlab and implemented in the STM32F407VG microcontroller. The simulations presented the filtering responses of two different input signals, an audio signal and a multisenoidal signal, for each of the projected filters, allowing to verify the performance and selectivity of each typology. In addition, with the results of the simulations it was possible to make comparisons, as to the order used and the selectivity obtained, of the FIR and IIR filters. Although only the practical results of the implementation of the FIR filters were obtained, it was possible to show that the responses of these filters are consistent with the simulations.
LISTA DE FIGURAS
Figura 1 – Representação de uma onda senoidal. ... 23
Figura 2 – Representação da teoria de Fourier: (a) onda original; (b) onda decomposta e (c) representação no domínio da frequência. ... 24
Figura 3 – Sinal com diferentes níveis de ruídos. ... 30
Figura 4 – Fenômeno de Gibbs. ... 33
Figura 5 – Etapas do processamento digital. ... 36
Figura 6 – Representação de um: (a) sinal analógico x(t) e (b) sinal digital x[n]. ... 37
Figura 7 – Etapas do conversor A/D. ... 39
Figura 8 – Representação matemática de um sinal amostrado. ... 40
Figura 9 – Erros de quantização: (a) com número menor de bits e (b) com número maior de bits. ... 42
Figura 10 – Etapas de reconstrução de um sinal. ... 43
Figura 11 – Efeito da saída de um retentor de ordem zero. ... 44
Figura 12 – Etapas da conversão D/A na prática. ... 44
Figura 13 – Respostas ideais em frequência para filtro: (a) passa-baixa, (b) passa-alta, (c) passa-faixa e (d) rejeita banda. ... 45
Figura 14 – Comparação da resposta em frequência de um filtro passa-baixa ideal e real. ... 46
Figura 15 – Curvas de respostas de filtros Chebyshev, Cauer, Butterworth e Bessel... 47
Figura 16 – Forma geral de um filtro FIR. ... 49
Figura 17 – Forma geral de um filtro IIR. ... 51
Figura 18 – Resposta de um filtro passa-baixa ideal a uma entrada impulso: (a) no domínio do tempo e (b) no domínio da frequência. ... 53
Figura 19 – Janela rentangular no (a) domínio do tempo e (b) no domínio da frequência... 54
Figura 20 – Resposta do filtro FIR no (a) domínio do tempo e (b) no domínio da frequência... 54
Figura 21 – Espectro de frequências de algumas janelas. ... 56
Figura 22 – Mapeamento de polos do plano S para o plano Z. ... 58
Figura 23 – Parâmetros de entrada para função buttord. ... 62
Figura 25 – Etapas de funcionamento da implementação. ... 66
Figura 26 – Diagrama dos recursos de hardware utilizados. ... 66
Figura 27 - Diagrama de execução das tarefas do sistema. ... 67
Figura 28 – Etapas de acesso ao cartão SD. ... 70
Figura 29 – Resposta em frequência do filtro FIR passa-baixas utilizando janela de Hamming. ... 75
Figura 30 – Passa-baixa: espectros do sinal de áudio antes e depois da filtragem.. 76
Figura 31 – Passa-baixa: espectros do sinal multisenoidal antes e depois da filtragem... 76
Figura 32 – Resposta em frequência do filtro FIR passa-alta utilizando janela de Hamming. ... 77
Figura 33 – Passa-alta: espectros do sinal de áudio antes e depois da filtragem. .... 77
Figura 34 – Passa-alta: espectros do sinal multisenoidal antes e depois da filtragem... 78
Figura 35 – Resposta em frequência do filtro FIR passa-banda utilizando janela de Hamming. ... 79
Figura 36 – Passa-Banda: espectros do sinal de áudio antes e depois da filtragem.79 Figura 37 – Passa-Banda: espectros do sinal multisenoidal antes e depois da filtragem... 80
Figura 38 – Resposta em frequência do filtro FIR rejeita-banda utilizando janela de Hamming. ... 81
Figura 39 – Rejeita-Banda: espectros do sinal de áudio antes e depois da filtragem... 81
Figura 40 – Rejeita-Banda: espectros do sinal multisenoidal antes e depois da filtragem... 82
Figura 41 – Resposta em frequência do filtro IIR passa-baixas. ... 84
Figura 42 – Passa-baixa: espectro do sinal de áudio antes e depois da filtragem. ... 84
Figura 43 – Passa-baixa: espectro do sinal multisenoidal antes e depois da filtragem... 85
Figura 44 – Resposta em frequência do filtro IIR passa-altas. ... 86
Figura 45 – Passa-alta: espectros do sinal de áudio antes e depois da filtragem. .... 86
Figura 46 – Passa-alta: espectros do sinal multisenoidal antes e depois da filtragem.87 Figura 47 - Resposta em frequência do filtro IIR passa-banda. ... 87 Figura 48 – Passa-Banda: espectros do sinal de áudio antes e depois da filtragem.88
Figura 49 - Passa-Banda: espectros do sinal multisenoidal antes e depois da filtragem... 88 Figura 50 – Resposta em frequência do filtro IIR rejeita-banda. ... 89 Figura 51 – Rejeita-Banda: espectros do sinal de áudio antes e depois da filtragem...90 Figura 52 – Rejeita-Banda: espectros do sinal multisenoidal antes e depois da filtragem... 90 Figura 53 – Novo diagrama de tarefas a serem executadas. ... 92 Figura 54 – Espectro de frequência do sinal multisenoidal sem qualquer filtragem. . 93 Figura 55 – Espectro de frequência do sinal multisenoidal após filtragem com o FIR passa-baixa. ... 94 Figura 56 – Espectro de frequência do sinal multisenoidal após filtragem com o FIR passa-alta. ... 95 Figura 57 – Espectro de frequência do sinal multisenoidal após filtragem com o FIR passa-banda. ... 96 Figura 58 – Espectro de frequência do sinal multisenoidal após filtragem com o FIR rejeita-banda. ... 97
LISTA DE TABELAS
Tabela 1 – Comparativo entre simetrias. ... 50
Tabela 2 – Comparativo entre algumas janelas. ... 55
Tabela 3 – Alguns comandos do cartão SD. ... 71
Tabela 4 – Dados dos filtros FIR projetados. ... 83
LISTA DE ABREVIAÇÕES
SNR Signal-to-Noise Ratio (Relação Sinal-Ruído) ROC Region of Convergence (Região de Convergência
ADC Analog-to-Digital Converter (Conversor Analógico para Digital) DAC Digital-to-Analog Converter (Conversor Digital para Analógico) FIR Finite Impulse Response (Resposta Finita ao Impulso)
IIR Infinite Impulse Response (Reposta Infinita ao Impulso) JTAG Joint Test Access Group
WIC Wake-up Interrupt Controller (Controlador de Interrupção de Despertar) FPU Float Point Unit (Unidade de Ponto Flutuante)
CPU Central Processing Unit (Unidade Central de Processamento)
RTOS Real Time Operating System (Sistema Operacional de Tempo Real) SPI Serial Peripheral Interface (Interface Periférica Serial)
DMA Direct Memory Access (Acesso Direto à Memória) I2S Inter-IC Sound
IDE Integrated Development Environment (Ambiente de Desenvolvimento Integrado)
LISTA DE SÍMBOLOS
ω Frequência angular
ck Coeficientes da série de Fourier
I Intensidade da onda sonora P Potência da onda sonora S Área
β Nível de intensidade Ts Período de amostragem
ωs Frequência angular de amostragem
fs Frequência de amostragem
fmax Frequência máxima de um sinal
C Capacidade máxima de transmissão W Banda passante
nb Número de bits
Vmax Tensão máxima
Vmin Tensão mínima
N Níveis do quantizador L Comprimento do filtro
ωc Frequência angular de corte
d Coeficientes do filtro FIR a,b Coeficientes do filtro IIR
SUMÁRIO 1 INTRODUÇÃO... 17 1.1 OBJETIVO GERAL ... 19 1.2 OBJETIVOS ESPECÍFICOS ... 19 1.3 ORGANIZAÇÃO DO TRABALHO... 20 2 FUNDAMENTAÇÃO TEÓRICA ... 21
2.1 ONDAS SONORAS E AUDIÇÃO ... 21
2.1.1 Características da onda sonora ... 23
2.1.2 Espectro de frequências dos sons ... 24
2.1.3 Qualidades fisiológicas do som ... 25
2.1.3.1 Altura ... 25
2.1.3.2 Intensidade ... 26
2.1.3.3 Timbre ... 27
2.1.4 Modificações das ondas sonoras ... 27
2.1.4.1 Reflexão ... 27
2.1.4.2 Refração ... 28
2.1.4.3 Ressonância ... 28
2.1.4.4 Interferência ... 29
2.1.4.5 Ruídos ... 29
2.1.5 Seleção de Frequência e Equalização de Som ... 30
2.2 TRANSFORMADA DE FOURIER... 31 2.2.1 Fenômeno de Gibbs ... 32 2.2.2 Transformada Z ... 33 2.3 PROCESSAMENTO DE SINAIS ... 35 2.3.1 Sinais e Sistemas ... 37 2.3.2 Conversão A/D ... 38
2.3.2.1 Amostragem de sinais e fenômeno de aliasing ... 39
2.3.2.2 Problemas de Quantização ... 41
2.3.3 Reconstrução de sinais ... 43
2.4 FILTROS DIGITAIS ... 48
2.4.1 Filtros FIR ... 48
2.4.2 Filtros IIR ... 50
2.5 PROJETO DE FILTROS DIGITAIS ... 52
2.5.1 Projeto de Filtros FIR ... 52
2.5.2 Projeto de Filtros IIR ... 57
2.6 CONSIDERAÇÕES FINAIS ... 58
3 MATERIAIS E MÉTODOS ... 60
3.1 PROJETO E SIMULAÇÃO DOS FILTROS ... 60
3.1.1 Filtros FIR ... 60
3.1.2 Filtros IIR ... 61
3.2 IMPLEMENTAÇÃO DOS FILTROS EM HARDWARE ... 63
3.2.1 Microcontrolador STM32F407VG ... 63
3.2.2 Descrição do sistema ... 65
3.2.3 Descrição dos componentes ... 68
3.2.4 Descrição da metodologia ... 69 3.3 CONSIDERAÇÕES FINAIS ... 73 4 RESULTADOS ... 75 4.1 RESULTADOS DA SIMULAÇÃO ... 75 4.1.1 Filtros FIR ... 75 4.1.2 Filtros IIR ... 83 4.2 RESULTADOS DA IMPLEMENTAÇÃO ... 92 4.2.1 Filtros FIR ... 93 4.2.2 Filtros IIR ... 97 4.3 CONSIDERAÇÕES FINAIS ... 97 5 CONCLUSÕES... 99 REFERÊNCIAS ... 101
APÊNDICE A – Código implementado no Matlab para o projeto do filtro FIR passa-baixa. 104 APÊNDICE B – Código implementado para geração de um sinal multisenoidal. .... 106
APÊNDICE C – Alterações no código mostrado no Apêndice A para projeto do filtro FIR passa-alta. ... 108
APÊNDICE D – Alterações no código mostrado no Apêndice A para projeto do filtro
FIR passa-banda. ... 109
APÊNDICE E – Alterações no código mostrado no Apêndice A para projeto do filtro FIR rejeita-faixa. ... 110
APÊNDICE F – Alterações no código mostrado no Apêndice A para projeto do filtro IIR passa-baixa ... 111
APÊNDICE G – Alterações no código mostrado no Apêndice A para projeto do filtro IIR passa-alta. ... 112
APÊNDICE H – Alterações no código mostrado no Apêndice E para projeto do filtro IIR passa-banda. ... 113
APÊNDICE I - Alterações no código mostrado no Apêndice E para projeto do filtro IIR rejeita-banda. ... 114
APÊNDICE J – Tarefa SDCard_Task. ... 115
APÊNDICE K – Funções do driver SD. ... 116
APÊNDICE L – Configurações das GPIO e do periférico I2S. ... 119
APÊNDICE M – Tarefa Filter_Task. ... 120
APÊNDICE N – Funções de inicialização e filtragem. ... 121
APÊNDICE O – Tarefa Codec_Task. ... 122
APÊNDICE Q – Configurações das GPIO e do periférico I2S. ... 124
ANEXO A – Diagrama de blocos STM32F40x ... 128
1 INTRODUÇÃO
Embora não de forma tão intuitiva, os sinais estão presentes em várias aplicações do cotidiano do ser humano, seja em forma de tensão, corrente, vídeo, áudio, entre outros. De acordo com Roberts (2009), uma das definições para um sinal é qualquer fenômeno físico variante no tempo capaz de transmitir informações.
Sendo o objetivo a transmissão de informações, é imprescindível que o sinal chegue ao receptor da forma mais fiel possível. Dessa maneira, a forma como se processa o sinal é fundamental para que não ocorra perda ou deterioração das informações. Assim, o processamento de sinais tem como objetivo representar, transformar e manipular as informações contidas em um sinal sem corrompê-las (OPPENHEIM; SCHAFER, 1998).
A comunicação entre seres humanos por exemplo, é baseada em sinais de áudio. Nesse tipo de sinal, a forma como o mesmo é processado pode implicar em problemas de ruídos e interferências. Tanto o ruído quanto a interferência são sinais indesejáveis capazes de degradar a clareza da informação no sinal original, em que dependendo das intensidades, pode até torná-lo incompreensível. Quanto maior a relação sinal ruído ou SNR, do inglês Signal-to-Noise Ratio, maior é a relação entre a potência do sinal e a potência do ruído, permitindo definir a qualidade do sinal recebido (ROBERTS, 2009).
O processamento de sinais pode ser aplicado em sons, imagens, séries temporais, sinais de telecomunicações e entre outros para, por exemplo, eliminação de sinais indesejáveis. Além disso, pode ser aplicado para seleção de uma faixa de frequência, maximizando ou atenuando componentes de frequência do sinal, processo esse nomeado como equalização do som. A equalização do som é amplamente utilizada no meio musical, atenuando ou maximizando as frequências graves, médias e agudas do sinal de áudio, a fim de tornar o som mais agradável (MARQUES, 2014).
A solução para problemas com ruídos e interferências em processamento de sinais, além da implementação de equalizadores de som, baseia-se na utilização de técnicas de filtragem de sinais. A filtragem de sinais é realizada por um sistema denominado filtro. Um filtro de forma geral, apresenta a capacidade de selecionar uma
parte especifica de frequência e descartar o restante, permitindo separar, recuperar, atenuar e maximizar sinais (MARQUES, 2014).
No processamento de sinais, os filtros podem ser implementados de forma analógica ou de forma digital. Graças ao avanço tecnológico dos conversores analógicos-digitais (A/D), que realizam a amostragem e quantização de sinais, e do desenvolvimento dos processadores, os filtros digitais tornaram-se ótimos aliados na área de processamento de sinais e apresentam algumas vantagens consideráveis perante aos filtros analógicos, principalmente nos quesitos flexibilidade, precisão e confiabilidade (PROAKIS; MANOLAKIS, 2007). Os filtros digitais podem ser representados conforme sua resposta a uma entrada do tipo impulso e classificados de duas formas: quando a resposta do filtro é finita, ou seja, apresenta uma resposta nula após um tempo finito, denomina-se filtros FIR (do inglês Finite Impulse Response) e quando a resposta é infinita, isto é, mesmo quando o sinal de entrada cessar o filtro pode apresentar uma resposta não-nula, denomina-se filtros IIR (do inglês Infinite Impulse Response) (NALON, 2009).
A decisão de implementar um filtro FIR ou IIR depende da sua aplicação, em que as características de cada tipo devem ser levadas em consideração. Como o filtro FIR apresenta memória finita, sempre será estável e qualquer transitório tem duração limitada. Entretanto, esse tipo de filtro necessita de vários coeficientes, exigindo mais memória, maior número de operações e, consequentemente, mais tempo de processamento por um processador. Por outro lado, os filtros IIR apresentam característica de corte de frequência acentuada com um filtro de ordem relativamente baixa, o que reduz a complexidade e o tempo de processamento (KUO; GAN, 2005).
Visto a importância da etapa de filtragem no processamento digital de sinais este trabalho apresenta o projeto e implementação, em um kit de desenvolvimento microcontrolado, de filtros digitais FIR e IIR nas configurações baixa, passa-alta, passa-banda e rejeita-banda.
Inicialmente é apresentado a fundamentação teórica de suporte ao projeto de filtros digitais. Na sequência apresenta-se a descrição do projeto de filtros digitais FIR e dos filtros IIR para cada tipo de configuração. Além do projeto, utilizou-se o software Matlab® para realizar as simulações da filtragem de um sinal de áudio e de
um sinal multisenoidal utilizando os diferentes tipos de filtros. Apesar das inúmeras aplicações possíveis de filtros digitais, a escolha do sinal de áudio deve-se ao fato
desse tipo de sinal, como tratado anteriormente, ser um dos mais perceptíveis para os humanos. Utilizando o mesmo sinal multisenoidal das simulações, são implementados os filtros no kit de desenvolvimento microcontrolado, para que com os resultados obtidos da filtragem seja possível realizar a comparação dos dados ideais, apresentados na fundamentação teórica, simulados, obtidos utilizando o software Matlab® e práticos adquiridos. Vale ressaltar que este trabalho apresenta uma das
possíveis aplicações para o protótipo. Contudo, adequando as características desejadas dos filtros, é possível projetar sistemas que realizam a filtragem de outros tipos de sinais ou sinais da mesma natureza, porém que apresentam outras especificações de aplicação.
1.1 OBJETIVO GERAL
Realizar um estudo sobre filtros digitais, assim como projetar, simular e implementar esses filtros, utilizando-os em aplicações com sinais de áudio a partir de uma ferramenta de simulação e de um kit de desenvolvimento de sistemas microcontrolados.
1.2 OBJETIVOS ESPECÍFICOS
Para atender o objetivo geral, foram estipulados o seguintes objetivos específicos:
Revisão teórica sobre filtros digitais: realizada em livros, dissertações e teses, para aprofundar o conhecimento teórico no assunto;
Estudo sobre o microcontrolador escolhido: destacando as principais características e descrevendo sobre seus componentes e periféricos;
Projeto para implementação de filtros digitais: estabelecendo os parâmetros e coeficientes para cada tipo de filtro;
Simulação dos filtros digitais: em que se possa avaliar a efetividade dos filtros projetados;
Implementação de filtros digitais no microcontrolador: a partir dos filtros projetados e simulados;
Validação dos resultados obtidos: comparando os dados obtidos na simulação e na implementação com os resultados ideais apresentados na teoria.
1.3 ORGANIZAÇÃO DO TRABALHO
O trabalho encontra-se estruturado de modo que no Capítulo 2 é abordada a fundamentação teórica necessária para o desenvolvimento do projeto. Esse capítulo apresenta conceitos relativos a ondas sonoras e audição, ruídos, interferências, seleção de frequência e equalização de som, processamento digital de sinais e filtros digitais. No Capítulo 3 são abordados os procedimentos para desenvolvimento do trabalho, como projeto dos filtros, métodos utilizados no software e no hardware do protótipo, além de apresentar os critérios dos materiais escolhidos. No Capítulo 4 são apresentados os resultados obtidos a partir da simulação dos filtros e o protótipo implementado em hardware. Por fim, o Capítulo 5 aborda as conclusões a respeito do trabalho desenvolvido, expondo também possíveis melhorias e possibilidades de trabalhos futuros.
2 FUNDAMENTAÇÃO TEÓRICA
Esse capítulo apresenta a fundamentação teórica utilizada para desenvolvimento do trabalho. Primeiramente é apresentado o estudo de sinais de áudio e de algumas modificações que podem ocorrer nesses tipos de sinais. Na sequência é apresentado a teoria de processamento digital de sinais, abordando a respeito de cada etapa do processo. Para finalizar o capítulo aborda-se os filtros digitais, apresentando as definições e modo de projetá-los.
2.1 ONDAS SONORAS E AUDIÇÃO
Muitas espécies de animais utilizam a audição para se localizar e diferenciar sons, seja para reconhecer espécies ou identificar o perigo. Além disso, para alguns animais a audição é utilizada para aprender e reproduzir sons, como os seres humanos que utilizam o reconhecimento sonoro como aprendizado e o reproduzem para se comunicar entre si (KANDEL, et al., 2014).
O som pode ser definido como a sensação percebida pelo cérebro das ondas sonoras que chegam ao aparelho auditivo. Essa definição se deve aos animais apresentarem capacidades auditivas diferentes, ou seja, dependendo das características da onda sonora ela pode ser identificada ou não por algum animal. Dessa forma, considera-se como som as ondas sonoras que encontram-se dentro da capacidade auditiva de cada espécie (GARCIA, 2002) (SILVERTHORN, 2010).
As ondas sonoras são produzidas pelas vibrações das moléculas do meio material de propagação sincronizadas com as vibrações de um corpo imerso nesse meio, como a vibração das cordas de um instrumento ou a vibração das cordas vocais (GARCIA, 2002) (HEWITT, 2015). As vibrações das moléculas geram variações de pressão e densidade do meio que são transmitidas. Essas variações são geradas quando as moléculas do meio são forçadas a sair de suas posições de equilíbrio tendendo a pressionar as moléculas próximas, formando uma região de alta pressão chamada de região de compressão. As posições de onde as moléculas partiram encontram-se em baixa pressão, pois existe uma distância maior entre as partículas, sendo chamada de região de rarefação (RAPOSO, 2016) (FILHO, 2003).
Para a propagação das ondas sonoras é necessário um meio material deformável ou elástico, de modo que as moléculas possam sair e voltar para as posições de equilíbrio na mesma direção que a vibração do corpo foi produzida. Isso gera uma série de compressões e rarefações no meio (RUNSTEIN; HUBER, 2011). Essas perturbações também são chamadas de movimento oscilatório da partícula e podem ser representadas graficamente por uma onda periódica que apresenta características específicas, como comprimento de onda, período, frequência e amplitude. Tendo conhecimento das características e da velocidade da onda sonora é possível distingui-la de outras ondas (HEWITT, 2015). Desta forma, as ondas sonoras podem ser caracterizadas como ondas mecânicas e longitudinais (RAY D. KENT, 2015) (BERTOLDO, 2013).
A velocidade de propagação da onda sonora depende da natureza, da temperatura e da pressão do meio. Desse modo, a velocidade reflete as características mecânicas do meio (GARCIA, 2002). A maioria dos sons audíveis são ondas sonoras propagadas pelo ar, porém, se a mesma onda sonora se propagasse em um meio líquido ou sólido a velocidade dessa onda seria diferente (HEWITT, 2015).
Para os humanos, o sentido de ouvir um som depende da capacidade do ouvido em realizar múltiplas transduções. Esse processo de transdução ocorre pois vibrações são geradas no meio ao redor da orelha, devido à energia da onda sonora, que são reconhecidas por receptores sensoriais de audição e transformadas em sinais elétricos para que possam ser transmitidas pelo sistema nervoso (COSTANZO, 2007) (SILVERTHORN, 2010). A interpretação que o cérebro faz das características e qualidades da onda sonora, que chegam até ele por meio de sinais elétricos, permite que os humanos diferenciem e classifiquem cada som (SILVERTHORN, 2010).
A interpretação do som pode ser diferente do som produzido, pois em sua propagação a onda interage com as partículas do meio e/ou com outras ondas sonoras e pode sofrer algumas mudanças de suas características. Essas mudanças ocorrem devido a fenômenos conhecidos como: reflexão, refração, ressonância e interferência sonora (GARCIA, 2002). Além disso, a interpretação pode ser distorcida ou totalmente prejudicada devido a interação da onda sonora com sinais aleatórios indesejáveis, denominados ruídos (ROBERTS, 2010).
2.1.1 Características da onda sonora
As partículas do meio material em que uma onda sonora foi produzida realizam movimentos oscilatórios. Esses movimentos oscilatórios das partículas podem ser representados por uma onda senoidal como a apresentada na Figura 1 (RAPOSO, 2016). A onda senoidal pura é uma onda periódica, na qual a partícula apresenta a mesma velocidade após intervalos de tempos iguais, também chamada de movimento harmônico simples (GARCIA, 2002).
Figura 1 - Representação de uma onda senoidal. Fonte: Adaptado de Raposo (2016).
Uma onda senoidal periódica apresenta algumas características importantes que permitem distinguir uma forma de onda das outras, como velocidade da onda, comprimento de onda, período, frequência e amplitude (RUNSTEIN; HUBER, 2011).
O comprimento de uma onda é dado pela distância entre dois pontos consecutivos com a mesma fase (RAPOSO, 2016). O período de uma onda é o intervalo de tempo que uma partícula leva para realizar um ciclo, ou seja, o movimento completo de ida e o de volta a posição inicial. A frequência da onda, expressa em Hertz (Hz), é a quantidade de ciclos realizados dentro de um segundo (GARCIA, 2002). A amplitude, no caso de uma onda sonora, é o valor do maior deslocamento das partículas em relação a posição de equilíbrio. Essa característica da onda relaciona o valor com a amplitude de variação da pressão do meio de propagação, ou
intensidade sonora, sendo expressa em decibéis (dB) (COSTANZO, 2007) (RAPOSO, 2016).
2.1.2 Espectro de frequências dos sons
Um sinal representado no domínio do tempo pode ser representado no domínio da frequência e vice-versa por intermédio das transformadas de Fourier. O teorema de Fourier estabelece que todo sinal no domínio do tempo é composto por uma soma de senos e cossenos. Por esse motivo, o sinal pode ser decomposto e representado no domínio da frequência pelas componentes de frequência de cada senóide e suas amplitudes (NALON, 2009) (PROAKIS; MANOLAKIS, 2007).
A Figura 2 apresenta uma exemplificação de um sinal conforme o teorema de Fourier. Segundo o teorema, a onda da Figura 2(a) pode ser decomposta e representada pelas ondas mostradas na Figura 2(b), sendo representada no domínio da frequência pelo gráfico da Figura 2(c).
Figura 2 - Representação da teoria de Fourier: (a) onda original; (b) onda decomposta e (c) representação no domínio da frequência.
Fonte: Adaptado de Schuler (2013).
A maioria dos sons presentes na natureza não são senóides puras e sim um resultado da sobreposição de sons senoidais, chamadas de parciais. Essa sobreposição de senóides pode ser verificada por meio da análise espectral de uma
onda sonora. Desta forma, pode-se classificar o espectro de um som em dois tipos: espectro harmônico e espectro inarmônico (FILHO, 2003). Quando as frequências dos parciais são múltiplos inteiros da frequência fundamental, tipicamente a frequência mais grave do sinal, denomina-se como espectro harmônico. Nesse tipo de espectro, também chamado de som tônico ou som composto, há a percepção de altura definida devido a vibrações periódicas ou quase-periódicas (FILHO, 2003). O espectro inarmônico é dado quando as frequências dos parciais são múltiplos fracionários da frequência mais grave. Nesse tipo de espectro, também denominado como som complexo, a percepção de altura é indefinida devido a vibrações aperiódicas (ZUBEN, 2004).
O som harmônico que vibra de maneira periódica contém o espectro harmônico discreto, pois apresenta energia em uma banda de frequências em determinadas frequências. Enquanto que o som inarmônico contém um espectro contínuo, pois possui energia em toda gama de frequências em uma determinada banda (FILHO, 2003).
2.1.3 Qualidades fisiológicas do som
A psicoacústica é o ramo de estudo que analisa a percepção do som, ou seja, os impactos psicológicos e fisiológicos das ondas sonoras no sistema nervoso. Essa área acredita que há algumas características da onda sonora, que processadas pelo cérebro, ajudam a distinguir as informações recebidas (FONSECA, 2012). De acordo com Garcia (2002), as qualidades fisiológicas do som que ajudam a distinguir um som de outro e são dadas pela altura, intensidade e timbre.
2.1.3.1 Altura
A altura é a qualidade que permite classificar os sons conforme a sua frequência audível. Em média, a audição humana percebe sons com frequências na faixa de 20 Hz a 20 kHz, apesar de variar dependo do indivíduo e/ou sua idade (GARCIA, 2002).
Embora não haja uma classificação rígida, de acordo com determinadas frequências os sons podem ser classificados em sons graves, médios e agudos. Em
média, os sons graves possuem componentes de frequências entre 20 Hz a 300 Hz, enquanto que os sons médios compreendem sinais na faixa de 300 Hz a 2 kHz e os sons agudos abrangem sinais com frequências de 2 kHz até 20 kHz (SENAI. SERVIÇO NACIONAL DE APRENDIZAGEM INDUSTRIAL, 2014).
Os sons ainda podem ser classificados a partir dos limites do espectro sonoro audível ao ser humano (20 Hz a 20 kHz) em infrassom e ultrassom. Os infrassons são classificados como os sons que apresentam frequências inferiores a 20 Hz. Sons com frequências maiores que 20 kHz são denominadas de ultrassons (LEVITOV; DALLAS; SLONIM, 2013).
2.1.3.2 Intensidade
A qualidade denominada como intensidade permite classificar os sons em fracos e fortes. Essa característica relaciona-se com a capacidade de transmissão de energia da onda sonora, pois determina a quantidade de potência fornecida a uma unidade de superfície (LEVITOV; DALLAS; SLONIM, 2013). De acordo com Garcia (2002), a intensidade pode ser calculada por:
P
I
S
, (1)em que a intensidade da onda (I) é dada pela potência (P) transmitida em uma área (S) perpendicular à direção do fluxo sonoro, sendo medida em Watts/m². O som mais intenso tolerado ao ouvido humano e o mais fraco são de 1 W/m² e de 10-12 W/m²,
respectivamente (GARCIA, 2002).
A intensidade também pode ser expressa na escala de decibéis, que são a medida relativa em uma escala logarítmica. Dessa maneira, pode-se definir o nível de intensidade β, ou apenas intensidade, comparando a intensidade I do som com a intensidade padrão Io (FILHO, 2003):
10
10log
oI
I
(2)Utiliza-se como referência o limiar da audição como 0 dB. Na escala logarítmica, 20 dB correspondem a um aumento de dez vezes a intensidade de referência. Intensidades maiores que 100 dB podem causar danos a audição, dependendo também do tempo de exposição (COSTANZO, 2007).
2.1.3.3 Timbre
A qualidade que permite distinguir fontes sonoras, mesmo que apresentem altura e intensidade semelhantes, é o timbre. O que permite diferenciar uma fonte sonora de outra é que cada fonte emite uma onda sonora com frequência fundamental e com múltiplos dessa frequência, denominado de sons harmônicos (SENAI. SERVIÇO NACIONAL DE APRENDIZAGEM INDUSTRIAL, 2014). A intensidade do som dos harmônicos é diferente e, além disso, apresentam frequências com o dobro, o triplo ou o quadruplo da frequência fundamental. A superposição da frequência fundamental com o conjunto de harmônicos permite que se possa identificar cada fonte (SIQUEIRA, 2008).
2.1.4 Modificações das ondas sonoras
Uma onda sonora que se propaga por um meio pode sofrer algumas mudanças de características, como alteração da intensidade ou do timbre. Essas mudanças se devem a fenômenos denominados como reflexão, refração, ressonância e interferência sonora (GARCIA, 2002).
2.1.4.1 Reflexão
Quando uma onda sonora que se propaga por um meio atinge uma superfície ou um objeto, parte da energia da onda é refletida e a outra parte da energia continua a ser transmitida. Esse fenômeno é chamado de reflexão e ocorre pois a onda sonora se depara com uma interface entre dois meios com propriedades físicas distintas (RAPOSO, 2016). A parte da onda sonora refletida é mais fraca comparada a onda direta, uma vez que parte da energia sonora é absorvida pela interface que a reflete (FILHO, 2003). A proporção de energia da onda que será refletida e que será transmitida é dada pela diferença das impedâncias acústicas entre os meios e o ângulo de incidência da onda sonora inicial. Quanto maior for a diferença de impedâncias, maior será a reflexão da interface (LEVITOV; DALLAS; SLONIM, 2013).
O fenômeno da reflexão de uma onda sonora pode gerar dois efeitos sonoros conhecidos: o eco e a reverberação. O eco é causado pela própria reflexão
da onda sonora, enquanto que a reverberação ocorre quando a onda sonora sofre múltiplas reflexões e persiste mesmo após a fonte parar de vibrar (HEWITT, 2015).
2.1.4.2 Refração
Quando uma onda sonora atinge uma interface com diferentes velocidades de propagação sonora, ocorre uma alteração de direção, ou curva, da onda transmitida. Esse fenômeno é chamado de refração e pode ocorrer em meios sólidos, líquidos e gasosos (HEWITT, 2015).
Um exemplo do fenômeno de refração ocorre quando a onda sonora se propaga pelo ar. As camadas mais próximas da terra apresentam uma temperatura maior que as camadas mais distantes. A velocidade de propagação da onda sonora é menor em uma camada fria comparada a velocidade de propagação em uma camada quente. Quando a onda sonora atinge a interface entre as duas camadas acontece a refração da onda (FILHO, 2003).
2.1.4.3 Ressonância
A ressonância com o som ocorre quando uma onda sonora atinge um objeto elástico e esse começa a vibrar espontaneamente (HEWITT, 2015). Esse fenômeno se deve ao fato de a onda sonora apresentar uma frequência igual a frequência natural de vibração do objeto (FILHO, 2003). Quando ocorre a ressonância em um objeto, ele passa a vibrar com uma amplitude relativamente maior. Esse objeto passa a se chamar ressonador, uma vez que também passa a emitir som (GARCIA, 2002).
Como a ressonância implica em um aumento da amplitude, isso provoca alguma perda de energia visto a necessidade de transformação da energia de vibração em outra forma de energia. A perda de energia depende das características constituintes do sistema ressoante e influenciam na intensidade e qualidade do som emitido (FILHO, 2003).
2.1.4.4 Interferência
Em um mesmo ambiente, diversas ondas sonoras podem ser produzidas, por diferentes fontes sonoras, e serem propagadas no meio. Quando essas ondas se encontram, ocorre uma sobreposição delas no espaço, fenômeno conhecido como interferência sonora (BAUER; WESTFALL; DIAS, 2013).
O fenômeno ondulatório conhecido como interferência pode ser classificado em relação a fase das ondas em dois tipos: interferência construtiva e interferência destrutiva (LEVITOV; DALLAS; SLONIM, 2013).
A interferência construtiva acontece quando as cristas de onda dos sinais coincidem em um dado ponto no espaço, ou seja, as ondas se encontram em fase umas com as outras. Nesse ponto, as ondas sonoras se combinam e resultam em um aumento da amplitude (FILHO, 2003).
Quando as ondas sonoras se encontram em um dado ponto no espaço em oposição, fora de fase, ocorre o fenômeno chamado interferência destrutiva, provocando uma diminuição da amplitude (LEVITOV; DALLAS; SLONIM, 2013). Se as ondas sonoras forem ondas senoidais puras e apresentarem a mesma frequência e amplitude, na ocorrência de uma interferência destrutiva nenhum som seria captado por qualquer dispositivo auditivo no determinado local. Entretanto, na realidade, as ondas sonoras são mais complexas que as ondas senoidais puras e a interferência destrutiva não ocorre de maneira tão drástica a ponto de anular totalmente o som (FILHO, 2003). Ainda assim, a interferência destrutiva é muito utilizada para a criação de equipamentos antirruído. Um exemplo de equipamento antirruído que utiliza a interferência destrutiva são os fones utilizados por pilotos de avião, onde um microfone capta o som exterior e o envia a um microchip. Nesse microchip é gerado um padrão ondulatório que é a imagem especular das ondas sonoras originais. Esse padrão ondulatório é enviado aos fones de ouvido e ocorre a interferência destrutiva, atuando como proteção auricular ao usuário (HEWITT, 2015).
2.1.4.5 Ruídos
Alguns sons produzidos por fontes naturais ou artificiais provocam sensações auditivas desagradáveis, como chiado ou rangido, e quando interagem
com uma onda sonora podem ocasionar degeneração da informação contida no sinal (HAYKIN; MOHER, 2008). Esses sons, denominados ruídos, são sinais indesejáveis que não apresentam um padrão de frequências (ROBERTS, 2010).
Em aplicações de áudio, pode-se denominar diferentes tipos de ruídos, sendo os mais conhecidos o ruído branco e o ruído rosa (BRAGA, 2014). Denomina-se ruído branco aquele que apreDenomina-senta uma gama grande de frequências com mesma intensidade, isto é, apresenta densidade de energia espectral constante (FILHO, 2003). O ruído rosa, quando comparado ao ruído branco, apresenta uma diminuição gradual da amplitude de cada componente da faixa de frequência relativas ao som grave e ao agudo, isto é, a intensidade diminui com o aumento da frequência (BRAGA, 2014).
Em um sistema de comunicação, a medida da qualidade de um sinal recebido é dado pela SNR. A SNR é obtido pela relação entre a potência do sinal e a potência do ruído. Quanto menor for o valor dessa relação maior é a degradação que o ruído causa na clareza da informação do sinal. A Figura3 apresenta um sinal com diferentes níveis de ruído e seus respectivos valores de SNR (ROBERTS, 2010).
Figura 3 - Sinal com diferentes níveis de ruídos. Fonte: Adaptado de Roberts (2010).
2.1.5 Seleção de Frequência e Equalização de Som
Certas aplicações exigem que um sinal passe por uma seleção de frequências, como em sistemas de comunicação nos quais selecionam o sinal pretendido dentre vários outros e minimizam os problemas com ruídos e interferências
(SADIKU; ALEXANDER; MUSA, 2014). Dessa maneira, o sinal desejado apresenta uma largura de frequência limitada, além de uma qualidade melhor do que antes da seleção (LATHI, 2006).
Além da seleção de frequência, algumas aplicações requerem maximizar ou atenuar componentes de frequência do sinal. Esse processo denominado como equalização de som é muito utilizado em produções musicais para tornar o som mais agradável em cada ambiente, realizando a atenuação ou maximização de frequências graves, médias e agudas do sinal de áudio (MARQUES, 2014).
A seleção de frequências de um sinal é feita por meio do processo de filtragem, no qual ocorre a rejeição ou passagem de faixas de frequências, também chamadas de bandas (NALON, 2009). Ainda, por meio dos filtros é possível, alterando seus ganhos, atenuar ou adicionar energia numa determinada faixa de frequência para realização da equalização do sinal (MARQUES, 2014).
2.2 TRANSFORMADA DE FOURIER
Jean Baptiste Fourier desenvolveu um teorema no qual todo sinal contínuo no tempo pode ser decomposto em um determinado número de senóides puras. Conforme comentado anteriormente, esse teorema é uma ferramenta utilizada para realizar a transformação de sinais no domínio do tempo para o domínio da frequência, permitindo uma análise diferenciada das informações e a realização de operações com maior facilidade (SCHULER, 2013).
O processo de obtenção de cada senóide, ou componente de frequência, é chamado de análise. Para sinais não-periódicos ilimitados no tempo, o método de análise utilizado é a transformada de Fourier. Sinais periódicos ou sinais limitados no tempo podem ser analisados por meio das séries de Fourier (NALON, 2009).
Processadores digitais utilizam sinais discretizados obtidos a partir de sinais contínuos no tempo. Dessa maneira, para implementar um analisador de espectro é necessário que ele se encontre no mesmo domínio. Por esse motivo, a transformada e a série de Fourier podem ser representadas em tempo discreto (SCHULER, 2013).
A transformada discreta de Fourier X(ω) de um sinal discreto x[n] é definida como (PROAKIS; MANOLAKIS, 2007):
( )
[ ].
j n nX
x n e
, (3)em que e-jωn = cos ωn – j.sen ωn e ω é a frequência analisada. Em alguns casos, X(ω)
é definido como o espectro do sinal x[n] (NALON, 2009).
Para representar sinais discretos periódicos utiliza-se a série discreta de Fourier, que é definida como (PROAKIS; MANOLAKIS, 2007):
2 1 0
[ ]
.
j kn N N k kx n
c e
, (4)em que N representa o período do sinal discreto x[n] e ck são os coeficientes da série
de Fourier e representam a amplitude e a fase de cada uma das exponenciais complexas (NALON, 2009). Esses coeficientes são obtidos por meio de (PROAKIS; MANOLAKIS, 2007): 2 1 0
1
[ ].
j kn N N k nc
x n e
N
(5) 2.2.1 Fenômeno de GibbsAo realizar a aproximação por séries trigonométricas de Fourier truncadas de um sinal periódico que apresente descontinuidades é possível observar ondulações e um sobre-sinal nas proximidades da descontinuidade no pico mais próximo da oscilação. Esse comportamento pode ser observado na Figura 3, em que mostra uma onda quadrada x(t) e sua aproximação por séries de Fourier (LATHI, 2006).O comportamento apresentado na Figura 3 é denominado como fenômeno de Gibbs, em homenagem ao matemático chamado Josiah Gibbs que foi o primeiro a descrever este comportamento matematicamente (ROBERTS, 2010).
O fenômeno de Gibbs ocorre devido a um truncamento abrupto da série quando utilizam-se apenas os primeiros N termos da série de Fourier para sintetizar a função descontínua, atribuindo peso unitário para as primeiras N harmônicas e peso zero para as harmônicas restantes após N (LATHI, 2006).
Segundo o fenômeno de Gibbs, a ultrapassagem vertical máxima próximo a uma descontinuidade não reduz seu valor independente se N tender a infinito. Porém, é possível notar pela Figura 4, que com o aumento do valor de N, as
ondulações diminuem sua largura e tendem a ficar confinadas próximas a descontinuidade. A medida que N tende ao infinito, a altura desse sobre-sinal torna-se constante e sua largura tende a zero (ROBERTS, 2010).
Figura 4 – Fenômeno de Gibbs. Fonte: Adaptado de Lathi (2006).
2.2.2 Transformada Z
Uma das vantagens de representar uma resposta do sistema LTI no domínio da frequência é que as interpretações de seu comportamento são mais acessíveis. Uma função pode ser convertida do domínio do tempo para o domínio da frequência através de transformadas e da mesma forma pode-se transformar um sinal representado no domínio da frequência para o domínio do tempo (OPPENHEIM; SCHAFER, 1998) (PROAKIS; MANOLAKIS, 2007).
A transformada Z para sinais e sistemas de tempo discreto desempenha a mesma função que a da transformada de Laplace para sinais de tempo contínuo, sendo capaz de caracterizar o sistema LTI pelo seus locais de pólos e zeros. A transformada Z bilateral, infinita para ambos os lados, de uma sequência x[n] é definida como (PROAKIS; MANOLAKIS, 2007):
( )
[ ].
n nX z
x n z
(6)Essa equação é uma série de potência infinita que considera z uma variável complexa, transforma um sinal do domínio do tempo x[n] em sua representação no plano complexo X(z). A transformada unilateral é dada quando considera-se x[n]=0 para todo n<0, denotada como (PROAKIS; MANOLAKIS, 2007):
0
( )
[ ].
n nX z
x n z
(7)Por conveniência, considera-se a equação como um operador que transforma uma sequência de x[n] para uma função X(z), da seguinte forma (PROAKIS; MANOLAKIS, 2007):
{ [ ]}
( )
Z x n
X z
(8)A variável complexa z é expressa na forma polar como z=ejω, sendo r = |z|, isto é, sua representação gráfica representa um círculo no plano complexo.
A transformada Z não converge para todas as sequências ou para todos os valores de z. Para dada sequência, o conjunto de valores de z para o qual a transformada converge é chamada de região de convergência - ROC (do inglês Region of Convergence) (OPPENHEIM; SCHAFER, 1998). Essa região pode ser definida a partir de:
| [ ] | | |
n nx n
z
(9)É evidente que existe uma relação estreita entre a transformada de Fourier e transformada z. Se a variável complexa z for substituída pelo complexo ejω e restringindo |z|=1 e r=1, a transformada Z reduz para a transformada de Fourier. No plano z, o contorno correspondente a |z| = 1 é um círculo de raio unitário, chamado de círculo unitário, é o conjunto dos pontos z=ejω, para o intervalo de 0 ≤𝜔 <2𝜋. Dessa maneira, se a ROC inclui o círculo unitário, a convergência da transformada Z para |z|=1, ou a transformada de Fourier da sequência converge. Analogamente, se a ROC não inclui o círculo unitário, a transformada de Fourier não converge absolutamente (OPPENHEIM; SCHAFER, 1998).
A transformada Z é mais adequada quando a soma infinita pode ser expressa de forma fechada, ou seja, somada e expressa como uma fórmula matemática simples. Entre as transformadas z mais importantes estão aquelas em que X(z) é igual a uma função racional dentro da ROC, onde P(z) e Q(z) são polinômios em z, da forma (OPPENHEIM; SCHAFER, 1998):
( )
( )
( )
P z
X z
Q z
(10)Os valores de z para o qual X(z) = 0, são os chamados zeros da função X(z), e os valores para z no qual X (z) é infinito, são os chamados pólos da função X(z) (PROAKIS; MANOLAKIS, 2007).
Quaisquer sequências que podem ser representadas como uma soma de exponenciais podem, equivalentemente, ser representadas por uma transformada Z racional, determinada por seus zeros e pólos (PROAKIS; MANOLAKIS, 2007).
2.3 PROCESSAMENTO DE SINAIS
Em nosso cotidiano, os sinais encontram-se de diversas formas, como sinais de áudio, vídeo e imagem. O processamento de sinais consiste em representar, transformar e manipular os sinais e as suas informações utilizando processadores, de modo que algumas características do sinal sejam alteradas ou a informação contida seja extraída com fidelidade sem qualquer perda ou distorção (OPPENHEIM; SCHAFER, 1998).
Com a evolução da tecnologia digital de computadores e microprocessadores, a partir da década de 60, surge o processamento digital de sinais. Esse tipo de processamento realiza o processamento de sequência de amostras do sinal analógico por meio de algoritmos computacionais (PROAKIS; MANOLAKIS, 2007). As etapas do processamento digital de sinais são apresentadas na Figura 5.
Figura 5 - Etapas do processamento digital. Fonte: Autoria própria.
O processamento digital de sinais pode apresentar algumas vantagens comparado ao processamento analógico graças a sua flexibilidade de reconfiguração, precisão, redução de custos e facilidade de implementação. A flexibilidade do processamento digital deve-se ao fato do software ou hardware programável permitir operações programáveis de modo que pode ser modificado para atender ou melhorar o desempenho de um sistema (JESZENSKY, 2004).
A precisão de um sistema digital em relação a um sistema analógico é dada pelo fato dos dispositivos digitais não apresentam tolerâncias de fabricação além de não sofrem tanto com as variações do ambiente quanto os dispositivos analógicos. Entretanto, para que a precisão seja satisfatória é necessário que o conversor utilizado para transformar o sinal analógico em digital apresente uma alta velocidade de conversão e resolução no processo de quantização (OPPENHEIM; SCHAFER, 1998). Em alguns casos, o processamento digital é mais barato que o analógico, pois não necessita de circuitos analógicos de precisão, além de apresentar uma quantidade menor de circuitos integrados e a reconfiguração ou manutenção pode ser feita de maneira mais flexível (JESZENSKY, 2004).
A facilidade de implementação deve-se ao fato de algumas operações matemáticas serem de difícil implementação analógica quando comparando com as mesmas operações implementadas em um processador digital (PROAKIS; MANOLAKIS, 2007). Graças a essa facilidade e as vantagens citadas anteriormente, as técnicas de processamento digital de sinais têm sido muito utilizadas em aplicações de telecomunicações, informática, instrumentação e diversas outras áreas (OPPENHEIM; SCHAFER, 1998).
2.3.1 Sinais e Sistemas
Os sinais estão presentes em diversas situações do cotidiano dos humanos, como o sinal de voz que permite a comunicação pessoalmente ou por um canal de transmissão. Um sinal pode ser definido como uma função no qual contém informações sobre o estado ou comportamento de um fenômeno físico denotado no domínio adequado (HAYKIN; VEEN, 2001).
Considerando o domínio do tempo, os sinais podem ser classificados em: sinais contínuos e sinais discretos. Os sinais contínuos apresentam um valor definido para qualquer instante de tempo. Enquanto um sinal discreto apresenta valor definido apenas para alguns instantes de tempo (HAYKIN; VEEN, 2001).
Quando um sinal, além de apresentar valores para qualquer instante de tempo, também apresentar uma amplitude de qualquer valor dentro de um intervalo contínuo é chamado de sinal analógico. Da mesma maneira, quando um sinal apresenta valores discretos de tempo e além disso apresenta um valor de amplitude discreto que assume apenas um valor dentro de um intervalo finito, é chamado de sinal digital. Por essa razão o sinal digital é constantemente representado matematicamente por uma sequência de números reais ou complexos (PROAKIS; MANOLAKIS, 2007). A Figura 6 apresenta um sinal analógico x(t) em função do tempo t e um sinal digital x[n] em função do número de amostras n.
Figura 6 - Representação de um: (a) sinal analógico x(t) e (b) sinal digital x[n]. Fonte: Autoria própria.
Além da classificação conforme o tempo, os sinais podem ser classificados em periódicos e aperiódicos. Os sinais periódicos apresentam a reincidência de seus valores de amplitude após intervalores regulares de tempo, ou seja, apresentam um período fundamental T que satisfaz a seguinte condição (HAYKIN; VEEN, 2001):
( )
(
)
x t
x t T
(11)Já os sinais aperiódicos não apresentam repetição de seus valores ao longo do tempo de modo que não apresentam um período que satisfaça (11) (HAYKIN; VEEN, 2001).
De acordo com HAYKIN e VEEN (2001), um sistema é uma entidade que manipula sinais para realizar determinadas funções a fim de resultar em novos sinais. Os sistemas também podem ser classificados como sistemas contínuos e sistemas discretos. Enquanto os sistemas contínuos realizam operação com os sinais e resultam em um novo sinal contínuo, os sistemas discretos realizam operações sobre sinais discretos e obtêm uma sequência de saída discreta correspondente.
Os sinais encontrados na natureza são analógicos, como a onda sonora e a onda luminosa que são transformados em sinais elétricos por transdutores (HAYKIN; VEEN, 2001). Porém, esse tipo de sinal não é adequado para ser utilizado por um processador digital devido a infinidade de valores que a função deste tipo de sinal pode assumir. Para utilização desse sinal é necessário que ele seja convertido em um sinal digital por um conversor Analógico-Digital (A/D) (PROAKIS; MANOLAKIS, 2007).
Em algumas aplicações é necessário que o sinal de saída do processamento seja analógico. Para que isso seja possível é necessário que o sinal digital seja convertido em um sinal analógico. Esse processo de conversão pode ser realizada por um dispositivo conhecido como conversor digital-analógico (D/A) (OPPENHEIM; SCHAFER, 1998).
2.3.2 Conversão A/D
A conversão A/D é caracterizada por três estágios: amostragem, quantização e codificação. O estágio de amostragem consiste em adquirir amostras a cada tempo de amostragem Ts (HAYES, 2006). Na etapa de quantização, são
estipulados valores discretos a cada amostra, adquirida na etapa de amostragem, dentro de uma escala definida. Na codificação, cada valor discretizado passa a ser
representado por uma sequência de bits. Desta forma, o sinal discreto torna-se um sinal digital (PROAKIS; MANOLAKIS, 2007). A Figura 7 apresenta as etapas de um conversor A/D.
Figura 7 - Etapas do conversor A/D.
Fonte: Adaptado de Proakis e Monolakis (2007).
2.3.2.1 Amostragem de sinais e fenômeno de aliasing
A etapa de amostragem de um conversor A/D consiste em obter uma amostra do sinal contínuo em intervalos regulares de tempo, denominado período de amostragem Ta. Dessa maneira, obtêm-se o sinal discreto xd[n] por meio da relação
(PROAKIS; MANOLAKIS, 2007):
[ ]
(
)
d a
x n
x nT
, (12)em que n representa o número da amostra, podendo assumir valores de -∞ a +∞. Matematicamente, o sinal amostrado xδ(t) pode ser representado como o
produto do sinal de tempo contínuo original x(t) por um trem de impulsos, podendo ser expresso como (HAYKIN; VEEN, 2001):
( )
( ).
(
a)
nx t
x t
t
nT
(13)A Figura 8 apresenta um exemplo da representação de (13), também chamada de amostragem por impulsos (HAYKIN; VEEN, 2001).
Figura 8 - Representação matemática de um sinal amostrado. Fonte: Adaptado de Haykin e Veen (2001).
Aplicando a transformada de Fourier na equação (13) tem-se que (HAYKIN; MOHER, 2008):
1
( )
( (
s))
k aX t
X j
k
T
(14)A partir de (14) é possível perceber que o sinal amostrado é a soma infinita de versões deslocadas do sinal original, espaçadas por múltiplos inteiros da frequência angular de amostragem ωs. Se a frequência de amostragem não for
suficientemente grande comparada com a extensão de frequência do sinal original, ocorre a sobreposição das versões deslocadas, cujo fenômeno é denominado aliasing (HAYKIN; VEEN, 2001). O fenômeno de aliasing resulta na perda das componentes de frequência com valores acima da metade da frequência de amostragem. Além disso, essas frequências mais altas assumem a identidade das frequências mais baixas (LATHI, 2006).
Com a finalidade de se evitar qualquer distorção, em 1927, Harry Nyquist propôs um teorema conhecido como Teorema da Amostragem (ROCHOL, 2012).
Considerando um sinal composto por componentes de diversas frequências e limitado em banda, Nyquist determina que a frequência de amostragem fs deve ser pelo menos
o dobro da frequência mais elevada contida no sinal fmax. Desse modo (FOROUZAN,
2008):
max
2
s
f
f
(15)Um sinal amostrado de maneira que atenda a condição do teorema de amostragem pode ser reconstruído por meio de uma boa aproximação, sem sobreposições de frequências, contendo toda a informação necessária presente no sinal (PROAKIS; MANOLAKIS, 2007).
De acordo com o teorema de amostragem, Nyquist estabeleceu que a capacidade máxima de transmissão C de um canal, considerando somente a banda passante do meio e o tipo de codificação, é dada por (CARISSIMI; ROCHOL; GRANVILLE, 2009):
2
bC
Wn
, (16)em que a capacidade C é dada em bits/s, a banda passante W dada em Hertz (Hz) e nb corresponde ao número de bits.
Com base em (16), a capacidade do canal é ilimitada, pois, teoricamente, nb pode se estender ao infinito, dependente somente da banda passante e da
codificação. Com base nisso, em 1948, o americano Claude Shannon provou que um canal apresenta limitação na capacidade de transmissão por meio de (COMER, 2016):
2
log (1
/
)
C W
S N
, (17)em que a capacidade do canal C (bit/s) depende da banda de passagem W (Hz) e uma relação sinal-ruído S/N (dB), ou seja, a capacidade depende somente de condições do meio, sem levar em consideração a capacidade do codificador do sistema (CARISSIMI; ROCHOL; GRANVILLE, 2009) .
2.3.2.2 Problemas de Quantização
Um quantizador é sistema irreversível que transforma uma sequência discreta de entrada, com intervalo contínuo de amplitude, em uma sequência discreta em que cada amplitude assume um valor dentro de um intervalo, ou seja, a sequência
de amostras é convertida a um sinal digital em que os valores de amplitudes são discretizados e apresentam somente valores dentro de um intervalo estipulado (HAYES, 2006).
Seja um sinal analógico com valores entre Vmax e Vmin, a resolução do
quantizador ou tamanho do degrau é dado por (FOROUZAN, 2008):
max min
(
V
V
) / (
N
1)
, (18)em que N=2B é chamado de níveis do quantizador e B é a quantidade de bits do
conversor. Na quantização atribui-se os valores quantizados entre 0 e N-1 para o ponto médio de cada nível. Assim, para cada amplitude amostrada é aproximado um valor quantizado de um dos níveis (FOROUZAN, 2008).
A etapa de quantização do conversor A/D gera erros no sinal processado pois cada amostra de sinal analógico é aproximado de seu equivalente digital mais próximo. A quantidade de erro depende da precisão do conversor A/D que é dado pela medida do número de bits. Quanto maior for o número de bits menor será o erro, pois um número maior de bits implica em uma resolução menor capaz de tornar a aproximação mais precisa (SCHULER, 2013). O erro de quantização, também denominado de ruído de quantização, muda a relação sinal-ruído do sinal. A contribuição desse erro depende da quantidade de bits por amostra é dada em decibéis pela equação (FOROUZAN, 2008):
6,02
1,76
dB
SNR
B
dB
(19)A Figura 9 apresenta uma quantização realizada com maior e menor número de bits.
Figura 9 - Erros de quantização: (a) com número menor de bits e (b) com número maior de bits. Fonte: Adaptado de Schuler (2013).
2.3.3 Reconstrução de sinais
O processo de reconstrução consiste em converter o sinal digital x[n] em um trem de impulsos modulados xs(t). Dessa maneira, cada amostra é convertida em
um impulso unitário de tempo contínuo espaçado do impulso seguinte por um período de amostragem Ta. Portanto, xs(t) é dado por (NALON, 2009):
( )
[ ] (
)
s a nx t
x n
t nT
(20)Para obter o sinal reconstruído xc(t) é necessário que o sinal xs(t) passe por
um filtro passa baixa, eliminando as componentes de alta frequência que podem gerar o efeito de aliasing (HAYKIN; VEEN, 2001). A resposta em frequência do filtro é dada por (NALON, 2009):
|
|
(
)
0
|
|
a a aT
T
H j
T
(21)A Figura 10 mostra as etapas da conversão ideal de um sinal digital x[n] para um sinal analógico xc(t).
Figura 10 - Etapas de reconstrução de um sinal. Fonte: Adaptado de Nalon (2009).
Na prática, a geração dos impulsos não ocorre facilmente devido aos transitórios abruptos. Por isso, na reconstrução de sinais são utilizados retentores ou interpoladores. Devido a sua simplicidade, utiliza-se o retentor de ordem zero que mantém ou retém o valor de x[n] pelo período Ta. Esse processo acarreta em uma
aproximação em degraus de escada para o sinal contínuo, como pode-se observar na Figura 11 (HAYKIN; MOHER, 2008).
Figura 11 - Efeito da saída de um retentor de ordem zero. Fonte: Adaptado de Hayes (2006).
Embora o retentor de ordem zero altere a resposta de frequência, ainda é necessário a utilização do filtro antialiasing, para eliminar as componentes de frequências fora da faixa original do sinal. Portanto, na prática, a reconstrução do sinal digital é dada pela combinação da conversão do sinal digital em trem de pulsos, o retentor de amostra e de um filtro passa baixa (PROAKIS; MANOLAKIS, 2007). A Figura 12 apresenta essas etapas de reconstrução.
Figura 12 - Etapas da conversão D/A na prática. Fonte: Adaptado de Proakis e Monolakis (2007).
A conversão D/A baseia-se em produzir um sinal analógico a partir de um sinal digital, cujo processo também é conhecido como interpolação. Na prática, o sinal resultante dos conversores D/A é equivalente a saída do retentor ou interpolador. Então, a reconstrução pode ser feita a partir de um conversor D/A e um filtro passa-baixa.
2.3.4 Filtragem de sinais e filtros
Como descrito nos capítulos anteriores, a filtragem de sinais é utilizada para diversas aplicações tecnológicas e, por esse motivo, tem sido foco de estudo em processamento de sinais afim de realizar melhorias e otimização desse processo.
A filtragem de sinais é realizada por sistemas, denominados filtros, que são utilizados para selecionar faixas de frequências de modo a deixar passar determinada banda de frequência e rejeitar as indesejadas de um sinal (SADIKU; ALEXANDER; MUSA, 2014). A banda em que apresenta as frequências que passam pelo filtro é denominada banda de passagem, e a banda que apresenta as frequências rejeitadas pelo filtro é denominada de banda de rejeição (NALON, 2009).
Os filtros podem ser classificados como filtro: passa-baixa, passa-alta, passa-faixa e rejeita-faixa (SADIKU; ALEXANDER; MUSA, 2014). A Figura 13 apresenta a resposta em frequência de um filtro ideal de cada tipo.
Figura 13 - Respostas ideais em frequência para filtro: (a) passa-baixa, (b) passa-alta, (c) passa-faixa e (d) rejeita banda.
Fonte: Adaptado de Sadiku, Alexander e Musa (2014).
Um filtro passa-baixa permite a passagem de baixas frequências do sinal de entrada e rejeita as componentes de alta frequência do sinal. De modo contrário,
